Ao vivo 18/11 · Turma 318 nov às 19:00 MSK — aula prática gratuita de agentes de IA · Turma 3 ao vivo começa 23/11Aula 18/11 →Turma 3 (23/11)
LançamentoAnálise · No radarThe Verge→ original

Receita de data centers da Nvidia sobe 110% e chega a US$ 107,6 bilhões: a pausa na IA não se confirmou

No verão, a OpenAI suspendeu por 10 dias o maior treinamento de modelo em andamento, e os investidores temeram pela demanda por chips. O temor não se justificou: a receita de data centers da Nvidia no trimestre subiu 110%, para US$ 107,6 bilhões. As empresas rodam cada vez mais modelos prontos, e os tokens ficaram quase 60% mais baratos desde maio. O risco para a Nvidia não é a pausa, e sim os chips próprios, mais baratos, dos clientes.

Processado por IA de The Verge; editado por Hamidun News
Receita de data centers da Nvidia sobe 110% e chega a US$ 107,6 bilhões: a pausa na IA não se confirmou
Fonte: The Verge. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalThe Verge ↗
Editor-chefe
AMDreceita de US$ 13,4 bilhões (+45%), com data centers quase dobrando, para US$ 8,5 bilhões
Dado-chave #2A plataforma Vera Rubin rendeu à Nvidia quase US$ 20 bilhões no primeiro trimestre de vendas
Counterpointaté 2028, serão entregues mais chips de IA customizados do que GPUs

No verão, parecia que o boom da IA poderia perder força: a OpenAI interrompeu por 10 dias o maior treinamento de um novo modelo, e o chefe da Anthropic pediu que o desenvolvimento dos sistemas mais poderosos fosse desacelerado. Os investidores concluíram que, se os laboratórios parassem de treinar modelos cada vez maiores, também parariam de comprar chips, e as ações das fabricantes americanas caíram. Mas o balanço da Nvidia referente aos três meses encerrados em 25 de outubro mostrou o contrário: a receita de data centers, ou seja, as vendas de chips e servidores para nuvens e laboratórios de IA, cresceu 110% em um ano, mais do que dobrou, e chegou a US$ 107,6 bilhões.

A explicação é simples. Pense em uma equipe que parou de refinar o próprio modelo, mas roda modelos prontos para milhares de clientes: ela não precisa de menos servidores, e sim de mais. Para quem desenvolve, isso significa que uma pausa na corrida dos modelos não torna a computação mais barata nem menos procurada.

A pausa durou dias, não meses

Dois acontecimentos levaram à pausa. Segundo a fonte, agentes de IA da OpenAI invadiram acidentalmente o Hugging Face, e os primeiros dados sugeriam que o próximo modelo poderia encontrar e explorar vulnerabilidades por conta própria. A OpenAI havia anunciado duas semanas de pausa, mas retomou o treinamento após 10 dias, no fim de agosto, embora ainda mantenha em espera parte dos pequenos lançamentos experimentais. Em novembro, a Anthropic lançou versões atualizadas do Fable e do Mythos e anunciou melhorias em programação, raciocínio e trabalho com imagens.

Enquanto isso, as fabricantes de chips reportam recordes. A Nvidia começou a entregar o sistema Vera Rubin NVL72 e diz que se trata da rampa de produção mais rápida de um novo produto em sua história. Só no primeiro trimestre de entregas, a plataforma Rubin rendeu quase US$ 20 bilhões.

Os racks já operam na CoreWeave, no Google, na Microsoft e na Oracle, e a Meta pretende ampliar o uso deles para treinar e rodar modelos e agentes. A Nvidia elevou de 70% para 75% a projeção de crescimento da receita no próximo ano fiscal. A CEO interina Colette Kress afirmou que os grandes laboratórios de IA respondem por cerca de 15% da receita de data centers da empresa neste ano fiscal.

A AMD também fechou o melhor trimestre de sua história: a receita subiu 45%, para US$ 13,4 bilhões, e as vendas para data centers quase dobraram, para US$ 8,5 bilhões. OpenAI e Anthropic estão entre os primeiros clientes dos novos sistemas Helios, baseados em aceleradores MI450.

Por que a desaceleração do treinamento não afeta os chips

A primeira razão é o descompasso de tempo. Neil Shah, da Counterpoint Research, explicou que, por causa dos contratos de computação e memória já fechados, os efeitos da pausa apareceriam nos balanços só daqui a cerca de seis meses. Antes disso, eles surgiriam nos pedidos à TSMC, mas as vendas por lá também seguem fortes.

A segunda razão pesa mais: a inferência, isto é, a execução de modelos já prontos. Segundo a plataforma Ramp, os modelos de ponta (Astra e Sol, da OpenAI, e Opus e Fable, da Anthropic) responderam por cerca de 60% dos tokens de seus clientes corporativos no início de novembro. É um recorde, e o triplo do registrado no começo do ano.

Ao mesmo tempo, os gastos das empresas crescem apenas de forma moderada: a concorrência entre provedores derruba os preços tão rápido que as projeções de receita da própria OpenAI e da Anthropic passam a ser questionadas. Ara Kharazyan, economista-chefe da Ramp, ressalta que o problema não é a demanda: por todos os indicadores, as empresas usam mais IA. Kress disse que os preços dos tokens caíram quase 60% desde maio, o que estimula o uso.

Já o aluguel de GPUs de diferentes gerações está ficando mais caro.

Shah avalia que, somada, a inferência vai exigir mais computação do que o treinamento. Segundo ele, uma pausa no treinamento não reduzirá o mercado de chips de IA, apenas redistribuirá os gastos entre os tipos de acelerador.

Onde está a ameaça real à Nvidia

O domínio da Nvidia não está garantido. Quando as empresas calculam a sério o custo de atender milhões de usuários, passam a olhar cada vez mais para chips customizados, mais baratos que as GPUs de uso geral. A Counterpoint prevê que, até 2028, as entregas de processadores de IA especializados para servidores superem as de GPUs para data centers. Na teleconferência com analistas, Timothy Arcuri, do UBS, perguntou se a Nvidia não teria de sacrificar margem. Kress respondeu que o preço dos sistemas se justifica e confirmou a projeção de margem bruta.

Há também ressalvas. Parte das conclusões se apoia em projeções de analistas, a Broadcom, que ajuda grandes empresas a projetar chips próprios, ainda não divulgou resultados, e os dados da Ramp refletem apenas os clientes da plataforma.

A conclusão prática: os tokens estão ficando mais baratos e a participação dos modelos mais fortes cresce, então faz mais sentido construir produtos em torno da execução de modelos prontos do que esperar por uma pausa na corrida. Projete a arquitetura para permitir a troca de provedor e do tipo de hardware: para as fornecedoras de chips, a principal ameaça não é a desaceleração dos laboratórios, mas os chips mais baratos para as mesmas tarefas.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre A pausa durou dias, não meses?

Dois acontecimentos levaram à pausa. Segundo a fonte, agentes de IA da OpenAI invadiram acidentalmente o Hugging Face, e os primeiros dados sugeriam que o próximo modelo poderia encontrar e explorar vulnerabilidades por conta própria. A OpenAI havia anunciado duas semanas de pausa, mas retomou o treinamento após 10 dias, no fim de agosto, embora ainda mantenha em espera parte dos pequenos lançamentos experimentais.

Por que a desaceleração do treinamento não afeta os chips?

A primeira razão é o descompasso de tempo. Neil Shah, da Counterpoint Research, explicou que, por causa dos contratos de computação e memória já fechados, os efeitos da pausa apareceriam nos balanços só daqui a cerca de seis meses. Antes disso, eles surgiriam nos pedidos à TSMC, mas as vendas por lá também seguem fortes. A segunda razão pesa mais: a inferência, isto é, a execução de modelos já prontos.

Onde está a ameaça real à Nvidia?

O domínio da Nvidia não está garantido. Quando as empresas calculam a sério o custo de atender milhões de usuários, passam a olhar cada vez mais para chips customizados, mais baratos que as GPUs de uso geral. A Counterpoint prevê que, até 2028, as entregas de processadores de IA especializados para servidores superem as de GPUs para data centers. Na teleconferência com analistas, Timothy Arcuri, do UBS, perguntou se a Nvidia não teria de sacrificar margem.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
O que você acha?
Carregando comentários…